인문학
사회과학
자연과학
공학
의약학
농수해양학
예술체육학
복합학
DBpia AI
AI 에이전트
AI 아이디어
AI 리더
AI 뷰어
Citeasy
크롬 서지관리 다운로드
지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
초록·키워드
Cryo-electron tomography (cryo-ET) enables three-dimensional visualization of biomolecules and cellular components in their near-native state. A key challenge in cryo-ET data analysis is particle picking, often performed by template matching, which relies on cross-correlating tomograms with known structural templates. Current deep learning-based methods improve accuracy but require labor-intensive annotated datasets for supervised training. Here, we present Template Learning, a technique that combines deep learning accuracy with the convenience of training on biomolecular templates via domain randomization. Template Learning automates synthetic dataset generation, modeling molecular crowding, structural variability, and data acquisition variation, thereby reducing or eliminating the need for annotated experimental data. We show that models trained using Template Learning, and optionally fine-tuned with experimental data, outperform those trained solely on annotations. Furthermore, Template Learning provides higher precision and more uniform orientation detection than template matching, particularly for small non-spherical particles. Template Learning software is open-source, Python-based, and GPU/CPU parallelized.
인공지능 문자 인식 모델을 통해 추출된 텍스트로, 일부 오타나 오류가 포함될 수 있으나 지속적으로 개선 중입니다.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
최근 본 자료 전체보기
